本数据库通过收集和整理最新科研文献信息而得,供了解领域前沿进展之用。数据源自 PubMed Data ,每日自动更新,已收录文献数量参见 统计表格。表格内容由 GPT 自动整理,可能存在错误或遗漏,请使用时务必注意核实!
如有建议或合作意向,欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布,欢迎下载 源码 自行修改使用。如觉得不错,还请不吝 给我打赏,你的支持是我继续创新的重要动力!
除通过在线浏览外,为方便用户离线查阅,本站也提供 付费下载(定价10元)。之所以考虑收费,是因为批量扫描这些文献并整理也是有一定成本的,还请理解并多多支持。本站数据会持续更新,而仅需一次付费,未来就可以随时重新下载到最新版本数据。
序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
981 | 2025-07-02 |
Understanding the Impact of Seasonal Weather Dynamics on Rice Disease Occurrence Using Neural Networks: A Case Study of Panicle Blast and Grain Rot
2025-Jun-30, Phytopathology
IF:2.6Q2
DOI:10.1094/PHYTO-01-25-0004-FI
PMID:40586730
|
研究论文 | 本研究利用神经网络分析季节性天气动态对稻瘟病和谷粒腐烂病发生的影响 | 提出了一种仅依赖气象数据的数据驱动方法,利用LSTM模型揭示气象条件与病害发生之间的隐藏关系 | 模型在PB和GR上的测试准确率分别为64.9%和68.0%,仍有提升空间 | 开发基于气象数据的作物病害预测系统 | 稻瘟病(PB)和谷粒腐烂病(GR) | 机器学习 | 稻瘟病 | LSTM模型 | LSTM | 时间序列气象数据 | 180天的7个气象变量数据 |
982 | 2025-07-02 |
Radiation Dose Reduction and Image Quality Improvement of UHR CT of the Neck by Novel Deep-learning Image Reconstruction
2025-Jun-30, Clinical neuroradiology
IF:2.4Q2
DOI:10.1007/s00062-025-01532-5
PMID:40586788
|
research paper | 评估了一种结合新型深度学习重建算法的剂量降低超高清CT在头颈部成像中的应用,以评估其对图像质量和辐射暴露的影响 | 采用新型深度学习重建算法(DL-2)在超高清头颈部CT成像中显著提升图像质量并降低辐射剂量 | 研究为回顾性分析,样本量相对有限(98例患者) | 评估剂量降低超高清CT结合深度学习重建算法在头颈部成像中的效果 | 头颈部CT成像 | 医学影像 | 头颈部疾病 | 深度学习重建算法(DL-2) | 深度学习 | CT图像 | 98例患者(剂量降低组)和30例患者(非剂量降低组) |
983 | 2025-07-02 |
Improving Robustness and Reliability in Medical Image Classification with Latent-Guided Diffusion and Nested-Ensembles
2025-Jun-30, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3583974
PMID:40587343
|
研究论文 | 提出了一种结合Vision Transformers和扩散模型的集成学习方法LaDiNE,以提高医学图像分类的鲁棒性和可靠性 | 首次将Vision Transformers的鲁棒性与扩散模型的生成能力结合,同时解决预测准确性和置信度校准问题 | 仅在肺结核胸部X光和黑色素瘤皮肤癌数据集上进行了测试,未验证在其他医学图像上的泛化能力 | 提高医学图像分类在噪声、对抗扰动和分辨率退化等情况下的鲁棒性和可靠性 | 医学图像(胸部X光和皮肤癌图像) | 计算机视觉 | 肺结核和黑色素瘤皮肤癌 | 扩散模型和集成学习 | Vision Transformers和扩散模型 | 图像 | NA |
984 | 2025-07-02 |
Novel Deep Learning Model to Estimate Knee Flexion and Adduction Moments with Wearable IMUs during Treadmill and Overground Walking
2025-Jun-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3584389
PMID:40587356
|
研究论文 | 开发了一种新型深度学习模型,利用可穿戴IMU设备在跑步机和地面行走时估计膝关节屈曲和外展力矩 | 结合了基于LSTM的自编码器和变分高斯过程(VGP)的新型深度学习模型,用于估计KAM和KFM的平均值和不确定性区域 | 研究仅涉及健康参与者,未包括TKR手术后的患者 | 开发一种机器学习框架,利用可穿戴IMU设备在自然环境中准确估计步态动力学 | 膝关节屈曲力矩(KFM)和膝关节外展力矩(KAM) | 机器学习 | 骨关节炎 | 可穿戴惯性测量单元(IMUs) | LSTM-based Autoencoder和Variational Gaussian Process(VGP) | 运动数据 | 17名健康参与者进行跑步机行走试验,另外17名健康参与者进行地面行走试验 |
985 | 2025-07-02 |
Bidirectional Prototype-Guided Consistency Constraint for Semi-Supervised Fetal Ultrasound Image Segmentation
2025-Jun-30, IEEE journal of biomedical and health informatics
IF:6.7Q1
DOI:10.1109/JBHI.2025.3584236
PMID:40587357
|
研究论文 | 提出了一种基于双向原型引导一致性约束的半监督胎儿超声图像分割方法BiPCC,用于解决标注数据不足的问题 | 利用原型桥接标注和未标注数据,并通过双向一致性约束和不确定性交叉监督提升伪标签质量 | 未明确说明在极端病例或低质量图像上的表现 | 提升半监督学习在胎儿超声图像分割中的应用效果 | 胎儿超声图像 | 数字病理 | 胎儿发育评估 | 半监督学习 | BiPCC | 图像 | 两个胎儿超声数据集及两个额外医学分割数据集 |
986 | 2025-07-02 |
DeepLabV3+ With Convolutional Triplet Attention and Histopathology-Guided Voting for Hyperspectral Image Segmentation of Serous Ovarian Cancer
2025-Jun-30, Journal of biophotonics
IF:2.0Q3
DOI:10.1002/jbio.202500142
PMID:40587972
|
research paper | 该论文提出了一种结合卷积三重注意模块和组织病理学引导投票机制的DeepLabV3+混合架构,用于高光谱图像的浆液性卵巢癌分割 | 创新点包括引入卷积三重注意模块(CTAM)捕捉跨维度光谱-空间依赖,以及组织病理学引导投票机制(HVM)整合WHO诊断标准 | 未明确提及具体局限性 | 提高高光谱图像中浆液性卵巢癌组织的分割和分类准确性 | 浆液性卵巢癌组织的高光谱图像 | digital pathology | ovarian cancer | hyperspectral imaging | DeepLabV3+, CNN | hyperspectral image | 未明确提及样本数量 |
987 | 2025-07-02 |
In-silico CT simulations of deep learning generated heterogeneous phantoms
2025-Jun-30, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ade9c9
PMID:40587975
|
研究论文 | 本文提出使用3D DUC-GAN模型生成具有器官内部细节的虚拟成像体模,以提高CT模拟的真实性 | 首次使用3D DUC-GAN模型生成包含16种独特纹理的虚拟体模,显著提高了CT模拟的真实性和准确性 | 研究仅针对躯干内的器官,未涉及其他身体部位 | 提高虚拟CT成像体模的真实性,以更准确模拟成像过程 | 虚拟CT成像体模 | 计算机视觉 | NA | CT成像 | 3D DUC-GAN | CT图像 | 378个CT图像-分割对用于训练,18个用于测试 |
988 | 2025-07-02 |
Artificial intelligence techniques in inherited retinal diseases: A review
2025-Jun-30, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ade9c7
PMID:40587976
|
综述 | 本文综述了人工智能技术在遗传性视网膜疾病(IRDs)诊断和管理中的应用 | 整合了现有研究,识别了知识空白,并概述了AI在IRDs中的潜在应用,特别是在疾病检测、进展预测和个性化治疗规划方面 | AI技术的快速发展和多样化应用导致该领域知识碎片化,需要更多跨学科合作和可解释AI模型的持续开发 | 探索人工智能技术在遗传性视网膜疾病诊断和管理中的应用,推动临床应用的进展 | 遗传性视网膜疾病(IRDs) | 数字病理学 | 遗传性视网膜疾病 | 机器学习、深度学习 | CNN | NA | NA |
989 | 2025-07-02 |
Predicting adverse drug reactions for combination pharmacotherapy with cross-scale associative learning via attention modules
2025-Jun-30, Nature computational science
IF:12.0Q1
DOI:10.1038/s43588-025-00816-7
PMID:40588546
|
研究论文 | 提出了一种名为OrganADR的关联学习增强模型,用于预测新兴联合药物治疗在器官水平上的不良反应 | 结合器官水平的不良反应信息、分子水平的药物信息和基于网络的生物医学知识,通过多解释模块进行集成表示 | 未提及具体的数据集大小或实验限制 | 开发一种可解释的计算方法,用于预测联合药物治疗的不良反应,以支持临床用药管理、药物开发和精准医疗 | 联合药物治疗的不良反应 | 机器学习 | NA | 深度学习 | 关联学习增强模型(OrganADR) | 生物医学知识、药物信息、不良反应信息 | NA |
990 | 2025-07-02 |
Enhanced deep learning framework for real-time instrument detection and tracking in laparoscopic surgery using advanced augmentation and tracking techniques
2025-Jun-30, Surgical endoscopy
DOI:10.1007/s00464-025-11932-w
PMID:40588604
|
研究论文 | 该研究提出了一种增强的深度学习框架,用于腹腔镜手术中手术器械的实时检测与跟踪,通过先进的增强和跟踪技术提高精确性和效率 | 整合了YOLOv9n、ByteTrack和BoT-SORT等先进算法,实现了高精度(mAP50达98.4%)和快速推理(0.3毫秒)的实时检测与跟踪 | 研究依赖于特定数据集(m2cai16-tool-locations),可能在不同手术场景或器械类型中泛化能力有限 | 提升微创手术(MIS)中手术器械的实时检测与跟踪精度,优化手术流程并提高患者安全性 | 腹腔镜手术中的手术器械 | 计算机视觉 | NA | 深度学习框架(YOLOv9n)、目标跟踪算法(ByteTrack、BoT-SORT)、数据增强 | YOLOv9n、YOLOv8n、YOLOv5n、YOLOv11n、Faster R-CNN | 图像 | 使用m2cai16-tool-locations检测数据集(具体样本量未明确说明) |
991 | 2025-07-02 |
Efficient Cerebral Infarction Segmentation Using U-Net and U-Net3 + Models
2025-Jun-30, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01587-3
PMID:40588699
|
研究论文 | 本研究提出了一种使用U-Net和U-Net3+模型进行脑梗死分割的新方法 | 采用新型数据集和两种卷积神经网络架构(基础U-Net和高级U-Net3+)进行脑梗死区域的高精度分割 | 数据集规模有限,需通过数据增强技术进行平衡 | 提高脑梗死的早期诊断和干预效果 | 脑梗死患者的MRI扫描图像 | 数字病理学 | 心血管疾病 | MRI扫描 | U-Net和U-Net3+ | 图像 | 110名患者的MRI扫描,生成6732张平衡图像用于训练、验证和测试 |
992 | 2025-07-02 |
A Deep Learning Framework for the Electronic Structure of Water: Toward a Universal Model
2025-Jun-30, Journal of chemical theory and computation
IF:5.7Q1
DOI:10.1021/acs.jctc.5c00496
PMID:40588763
|
research paper | 本文提出了一种改进的机器学习方法DeePKS-ES,用于精确模拟水系统的电子结构 | 通过将哈密顿矩阵及其特征值和特征向量纳入损失函数,建立了一个适用于水系统的通用模型,能够从廉价的PBE计算中重现高级HSE06电子性质 | NA | 精确模拟从单个分子到体相液体的水系统电子结构 | 水系统的电子结构 | machine learning | NA | Deep Kohn-Sham (DeePKS) method | DeePKS-ES | quantum-mechanical data | 分子簇和液相模拟 |
993 | 2025-07-02 |
Pediatric brain tumor classification using digital pathology and deep learning: Evaluation of SOTA methods on a multi-center Swedish cohort
2025-Jun-30, Brain pathology (Zurich, Switzerland)
DOI:10.1111/bpa.70029
PMID:40589103
|
研究论文 | 本研究利用数字病理学和深度学习方法,评估了在瑞典多中心队列中应用最先进技术对儿童脑肿瘤进行分类的效果 | 采用弱监督多实例学习方法和预训练特征提取器,首次在瑞典多中心数据集上评估儿童脑肿瘤分类 | 模型在不同中心的泛化性能下降相似,未显著解决跨中心数据差异问题 | 评估计算病理学方法在儿童脑肿瘤分层分类中的性能 | 540名8.5±4.9岁的脑肿瘤患者的H&E全切片图像 | 数字病理学 | 脑肿瘤 | 弱监督多实例学习(MIL) | ABMIL, CLAM, ResNet50, UNI, CONCH | 全切片图像(WSI) | 540例来自瑞典六所大学医院的儿童脑肿瘤样本 |
994 | 2025-07-02 |
Cognition-Eye-Brain Connection in Alzheimer's Disease Spectrum Revealed by Multimodal Imaging
2025-Jun-29, Journal of magnetic resonance imaging : JMRI
IF:3.3Q1
DOI:10.1002/jmri.70003
PMID:40583127
|
研究论文 | 通过多模态成像技术探索阿尔茨海默病谱系中认知、眼睛和大脑之间的联系 | 揭示了认知功能、视网膜生物特征和大脑改变之间的关系,特别是在阿尔茨海默病谱系的不同阶段 | 样本量较小,尤其是AD组仅有7例 | 探索阿尔茨海默病谱系中认知功能、视网膜生物特征和大脑改变之间的关系 | 健康对照组(HC)、主观认知下降(SCD)、轻度认知障碍(MCI)和阿尔茨海默病(AD)患者 | 数字病理学 | 阿尔茨海默病 | 光学相干断层扫描血管成像(OCTA)、3D T1加权脑体积成像(BRAVO)、静息态功能MRI(fMRI) | 深度学习模型FARGO | 图像 | 健康对照组(n=16)、主观认知下降(n=35)、轻度认知障碍(n=18)、阿尔茨海默病(n=7) |
995 | 2025-07-02 |
Genetic Deconvolution of Embryonic and Maternal Cell-Free DNA in Spent Culture Medium of Human Preimplantation Embryo Through Deep Learning
2025-Jun-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202412660
PMID:40583136
|
研究论文 | 本文提出了一种名为DECENT的深度学习方法,用于重建胚胎拷贝数变异并减少胚胎培养液中母体DNA污染的影响 | DECENT方法结合了卷积模块、长短时记忆和注意力机制,整合序列特征和甲基化模式以推断cfDNA读数的来源,提高了非侵入性胚胎植入前遗传学检测的准确性 | NA | 提高基于cfDNA的非侵入性胚胎植入前遗传学检测的诊断准确性和有效性 | 人类胚胎培养液中的胚胎和母体游离DNA | 数字病理学 | 生殖医学 | 单细胞甲基化测序 | CNN, LSTM, 注意力机制 | DNA序列数据 | 包含不同污染水平的临床样本(包括一个母体读数超过80%的样本) |
996 | 2025-07-02 |
Bionic Multimodal Augmented Somatosensory Receptor Enabled by Thermogalvanic Hydrogel
2025-Jun-29, Advanced science (Weinheim, Baden-Wurttemberg, Germany)
DOI:10.1002/advs.202505873
PMID:40583160
|
研究论文 | 本文提出了一种受人类皮肤感知机制启发的超灵敏自供电多模态指尖受体,用于增强触觉感知 | 结合热电流凝胶作为主动机械感受器和温度感受器,实现高灵敏度和自监督能力,并引入微图案和梯度结构策略提高灵敏度 | 未提及具体样本量或实验规模,可能缺乏大规模验证 | 开发一种高灵敏度、自监督且环境稳定的电子皮肤受体,用于恢复感觉障碍患者的手部功能 | 电子皮肤受体,特别是用于指尖的多模态受体 | 生物医学工程 | 感觉障碍 | 热电流凝胶技术,深度学习 | 深度学习模型(未具体说明) | 触觉和温度数据 | NA |
997 | 2025-07-02 |
Is the use of machine learning in head and neck cancer radiotherapy supported by clinical trials?
2025-Jun-29, Physica medica : PM : an international journal devoted to the applications of physics to medicine and biology : official journal of the Italian Association of Biomedical Physics (AIFB)
DOI:10.1016/j.ejmp.2025.105036
PMID:40587931
|
research paper | 本文系统评估了机器学习在头颈癌放射治疗中的临床应用,并通过临床试验数据验证其有效性 | 首次系统性地收集和分析临床试验数据,评估机器学习在头颈癌管理中的实际应用效果 | 研究仅纳入42项符合条件的研究,样本量相对有限,且模型多样性和复杂性导致难以得出统一结论 | 评估机器学习在头颈癌放射治疗中的临床应用效果 | 头颈癌患者的诊断、图像分割和治疗反应预测 | machine learning | head and neck cancer | 深度学习与传统机器学习算法(KNN, SVM, logistic regression) | 深度学习模型(多层神经网络) | 医学影像数据和临床数据 | 42项符合条件的研究(从2395项研究中筛选) |
998 | 2025-07-02 |
DeepEM Playground: Bringing deep learning to electron microscopy labs
2025-Jun-28, Journal of microscopy
IF:1.5Q3
DOI:10.1111/jmi.70005
PMID:40579897
|
research paper | 介绍了一个名为DeepEM Playground的交互式、用户友好平台,旨在帮助电子显微镜(EM)研究人员无需编码经验即可训练、调整和应用深度学习模型 | 开发了一个降低深度学习在电子显微镜领域应用门槛的平台,使EM专家能够更容易地采用和定制深度学习模型 | 未提及平台在实际应用中的性能评估或用户反馈 | 缩小深度学习研究与电子显微镜实验室实际应用之间的差距 | 电子显微镜(EM)研究人员 | computer vision | NA | deep learning | NA | image | NA |
999 | 2025-07-02 |
Automated Evaluation of Female Pelvic Organ Descent on Transperineal Ultrasound: Model Development and Validation
2025-Jun-28, International urogynecology journal
IF:1.8Q3
DOI:10.1007/s00192-025-06211-0
PMID:40580222
|
研究论文 | 本研究开发并验证了一种多任务深度学习模型,用于自动化评估经会阴超声(TPUS)图像中的女性盆腔器官脱垂(POP) | 首次提出使用多任务深度学习模型自动化评估POP,减少了诊断中的经验依赖性 | 研究样本仅来自2023年1月至6月的患者,可能缺乏长期数据验证 | 开发并验证一种自动化评估女性盆腔器官脱垂的深度学习模型 | 1340名女性患者的TPUS图像 | 数字病理学 | 盆腔器官脱垂 | 深度学习 | ResNet34 | 图像 | 1340名女性患者的TPUS图像(1072用于训练,268用于验证) |
1000 | 2025-07-02 |
Prognostic value of body composition out of PSMA-PET/CT in prostate cancer patients undergoing PSMA-therapy
2025-Jun-28, European journal of nuclear medicine and molecular imaging
IF:8.6Q1
DOI:10.1007/s00259-025-07416-7
PMID:40580320
|
研究论文 | 本研究开发了一种基于深度学习的全身CT分割方法,用于评估转移性去势抵抗性前列腺癌(mCRPC)患者在接受[177Lu]Lu-PSMA放射性配体治疗(RLT)前的身体组成 | 利用深度学习模型从标准PSMA-PET-CT中自动分割不同组织区域,超越传统的PSMA-PET评估,识别具有潜在预后价值的身体组成指标 | 研究为回顾性设计,样本量较小(n=86),需要在更大的前瞻性数据集中验证潜在预后参数 | 评估mCRPC患者在接受RLT前的身体组成指标对治疗预后的影响 | 86名前列腺癌患者 | 数字病理学 | 前列腺癌 | 深度学习分割模型 | 深度学习 | CT图像 | 86名前列腺癌患者的[68Ga]Ga-PSMA-PET-CT扫描数据 |